Konspekt_TV_2020_ch_2
.pdfКонспект лекций по теории вероятностей и математической статистике.
Авторы: Лохвицкий М.С., Синева И.С.
3 семестр 2020/2021 учебный год.
Лектор – Лохвицкий Михаил Сергеевич
Часть 2
1.6. Формулы полной вероятности и Байеса
Пример 1.12. «Типичная» задача для формулы полной вероятности : На складе изделия с трѐх заводов: с первого завода 50% всех изделий, со второго 40% и с третьего -10%. Вероятность того, что деталь высшего качества на первом заводе, равна 0,9 , для второго - 0,7, для третьего -0,5. Найти вероятность того, что наудачу взятая со склада деталь высшего качества.
Обозначим события – деталь сделана на i-ом заводе, А –наудачу
взятая деталь высшего качества. Тогда |
( ) |
⁄ |
=0,5; |
|||
( |
) |
⁄ |
( ) |
⁄ |
( |
) =0,9; |
( |
|
) =0,7; ( |
) =0,5. |
|
|
|
(Решение этой задачи будет дано после вывода формулы.)
Формула полной вероятности. Пусть события Н1 . Н2,….,Нn образуют полную группу несовместных событий (будем их называть гипотезами). Событие А может произойти только с одним из Нi ,
( ) ∑ |
( ) ( |
|
)) |
|
(1.8) |
Доказательство: |
|
|
|
|
|
Поскольку |
|
|
, то умножив обе части последнего |
||
равенства на событие A, получим ( |
) |
. Из того, |
|||
что |
|
( |
), следует, |
что ( ) ( ) |
и |
|
. |
По |
|
|
|
( ) ∑ ( )
|
( ) |
( ) ( ⁄ ) |
( ) ∑ ( ) ( |
)) |
Решение примера 1.12. |
|
|
||
( ) |
( ) ( ⁄ ) + ( ) ( ⁄ ) + ( ) ( ⁄ ) |
|
Формула Байеса. В условиях формулы полной вероятности требуется пересчитать вероятности гипотез при условии, что событие произошло:
Р(Нк/ А) = |
( ) ( |
) |
(1.9) |
|
( |
) |
|||
|
|
Здесь Р(А) вычисляется по формуле полной вероятности.
Вероятности ( ) |
( |
) , а |
вероятности Р(Нк/ А) апостериорными (после опыта).
Вывод формулы Байеса: Запишем вероятность произведения двух событий А и двумя способами:
( |
)= ( ) ( |
)= ( ) ( |
). |
|
Из последнего равенства найдем выражение для вероятности ( |
) и |
|||
в итоге и получим формулу Байеса (1.9). |
|
|
Пример 1. 13. «Типичная» задача для формулы Байеса:
В условиях «Типичной» задачи для формулы полной вероятности (см. выше пример 1.12). Требуется определить вероятности того, что деталь сделана на 1, 2, 3 заводах при условии, того, что она высшего качества.
Решение. Р(Н1/ А) = |
( |
) ( |
|
|
|
) |
= |
|
|
=0,577; |
|||||
|
|
( ) |
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||||
Р(Н2/ А) = |
( |
) |
( |
) |
= |
|
|
|
=0,359; |
||||||
|
( ) |
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Р(Н3/ А) = |
( |
) ( |
) |
|
= |
|
|
|
|
=0,064; |
|||||
|
( |
) |
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
Задача 1.8 . Экзамен в группе принимают профессор и доцент. Доцент принимает 70% всех студентов, остальных - профессор. Вероятность сдать экзамен с высокой оценкой профессору равна 0,9, а доценту 0,6. Какова вероятность получить высокую оценку на экзамене.
Задача 1.9.. В условиях предыдущей задачи определить вероятность того, что студент сдавал экзамен профессору (доценту) при условии, что оценка высокая.
1.7.Схема и формула Бернулли.
Проводится серия из n независимых испытаний, в каждом из которых может произойти событие А с одной и той же вероятностью р. Вероятность того, что событие произойдѐт ровно к раз в n испытаниях равна:
Pn ( k) = CKn pk qn-k |
(1.10) |
Здесь
Пример 1.14. Стрелок делает 4 независимых выстрелов по мишени. Вероятность попадания при каждом выстреле равна 0,8. Найти вероятность того, что будет: а) 3 попадания, б) ни одного промаха, в) не менее 3-х попаданий, г) не более 2 -х попаданий.
Решение: 1.14.а) |
|
( ) |
=4 |
|
|
; 1.14.б) |
т.е . 4 попадания |
( |
) |
=1 |
0,4096; |
|
|
1.14.в) ( |
) = |
(k=3 или k=4) = |
(k=3) + |
( k=4) = |
|
0,4096= |
0,7168; 1.14.г) |
( |
) = (k=0 или k=1или k=2) = 1 - |
( |
) = 1- |
||
0,7168=0,2832. |
|
|
|
|
|
|
Задача 1.10. Студент сдаѐт в сессию 3 экзамена. Вероятность сдать каждый экзамен с оценкой отлично равна 0,9. Найти вероятность того, что он сдаст с оценкой отлично: а) все три экзамена, б) два из трѐх, в) ни один экзамен.
Замечание. При вычислении сочетаний нужно вычислять факториалы. Например, 20!= 2432902 . Т.е. при больших n это очень большие числа, а вероятности p и q в больших степенях числа очень маленькие. Поэтому использование формулы (1.10) при больших n, k и малых p и (или) q вызывает определенные вычислительные проблемы.
Существуют предельные теоремы для формулы Бернулли, которые позволяют вычислить соответствующие вероятности приближенно.
1.8. Предельные теоремы в схеме Бернулли
Локальная теорема Муавра-Лапласа. Если |
|
||||||||||
( ) |
|
|
|
|
|
|
( ) |
|
|
|
(1.11) |
|
|
|
|
|
|
|
|
|
|||
√ |
|
|
|
||||||||
|
|
|
|
|
|
||||||
|
|
|
|
|
|
, |
( ) |
|
|
⁄ |
(1.12) |
|
|
|
|
|
|
|
|||||
|
|
√ |
|
√ |
|
Замечание. Функция ( ) табулирована и таблица с еѐ значениями есть в любом учебнике по теории вероятностей. Дальше мы увидим, что это плотность распределения вероятностей нормального закона с параметрами
N(0, 1).
Интегральная теорема Муавра-Лапласа. Если
( |
|
) |
( ) |
|
|
( |
), |
|
|
|
|
(1.13) |
||||
Где |
|
|
|
|
|
|
|
|
, |
( |
) |
|
|
∫ |
⁄ |
(1.14) |
|
|
|
|
|
|
|
|
√ |
|
|
||||||
|
√ |
|
|
|
|
√ |
|
|
|
|
|
|
Важное замечание 1. Функция ( ) называется функцией Лапласа. Она табулирована и таблица с еѐ значениями есть в любом учебнике по теории вероятностей. Однако, в разных учебниках выражение, а следовательно и таблица, для этой функции может отличаться от формулы (1.14). В этом случае и формула для вероятности (1.13) может быть другой.
Функция Лапласа –нечетная функция. При |
( ) |
Доказательство теорем Муавра-Лапласа следует из Центральной предельной теоремы, которая будет в дальнейшем курсе.
Важное замечание 2. При малых значениях вероятности p, когда лучшие приближения, чем формула локальной теоремы Муавра-Лапласа, дает следующая теорема.
Теорема Пуассона. Если
( ) |
( ) |
( |
) |
|
(1.15) |
|
Пример1.15. По каналу связи передается сообщение из n=105 двоичных символов. Вероятность искажения каждого символа равна p= 5 . Вероятность того, что в сообщении будет искажено а) три символа; б) 0 символов; в) не более трѐх символов.
Решение. |
Так как |
0,5 |
|
теорему Пуассона: |
а) |
|
P(3)= |
⁄ |
=0.013; |
б) P(0)= |
= 0,624; в) P(k |
) P(0)+ P(1)+ P(2)+ |
|
+P(3)= |
(1+ |
+ ⁄ + |
⁄ ) =0,998. |
|
|
Пример 1.16. Вероятность приѐма каждого из 100 передаваемых сигналов равна 0,8. Найти вероятность того, что будет принято а) 75 сигналов; б) не менее 75, но не более 90 сигналов; в) не менее 75; г) не более 74 сигналов.
Решение. Этот пример решается по теоремам Муавра-Лапласа, т.к. |
100 |
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
а) в соответствии с локальной теоремой (1.11) |
( |
) |
|||||||||||||
|
|
|
|
|
|
( |
|
|
|
|
|
|
|
) |
|
( |
) |
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
√ |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
√ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
( |
|
) |
( |
|
|
|
) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
√ |
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
( |
|
|
|
|
|
) |
( ) |
( |
|
) |
|
|
|
|
|
;(было |
|
|||||||||
|
|
√ |
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
использовано свойство нечетности функции Лапласа); |
в) |
( |
|
|
) |
|
||||||||||||||||||||||
|
|
( |
|
|
|
|
) |
( |
|
|
|
) = ( ) |
( |
) |
|
|
|
|
|
|
||||||||
|
|
√ |
|
|
|
|
|
√ |
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
г) |
( |
|
|
|
|
|
|
) |
|
|
|
( |
|
) |
|
|
|
|
|
|
|